모수적 분포 분석(임의 중도절단)
이 분석은 검사에서 고장으로 발견된 단위처럼 정확한 고장 시간을 모르는 경우가 많은 고장 데이터에 수명 분포를 적합합니다. 각 행은 Start와 End 열로 중도절단 유형을 정합니다. Weibull, Lognormal, Exponential, Normal, Logistic, Loglogistic 중에서 선택하며 최대우도로 적합합니다. 출력에는 신뢰구간이 있는 모수 추정값, 평균, 중앙값, 백분위수, 적합도, 확률도가 포함되며 선택적으로 Weibayes 분석도 수행합니다.
최종 검토
핵심 요점
모수적 분포 분석(임의 중도절단)은 구간, 좌측, 우측 중도절단된 고장이 포함된 검사 데이터에 Weibull과 같은 수명 분포를 적합하여 중앙값 수명, B10 수명, 백분위수를 추정합니다.
목적
모수적 분포 분석(임의 중도절단)은 정확한 고장 시간을 모르는 경우가 많은 고장 데이터에 수명 분포를 적합합니다. 검사에서 고장으로 발견된 단위(구간 중도절단), 첫 점검 시점에 이미 고장 난 단위(좌측 중도절단), 마지막으로 확인했을 때 아직 작동 중이던 단위(우측 중도절단)에 정확한 고장이 섞여 있어도 분석할 수 있습니다. 분포의 모수, 평균, 중앙값, 사분위수, 전체 백분위수 표를 보고합니다. 검사 또는 심사 기록으로부터 B10 수명, 보증 기간 고장 비율 또는 중앙값 수명을 추정할 때 사용합니다. 형상 모수를 알고 있는 Weibull 분포에서는 Weibayes 분석도 수행할 수 있습니다.
주요 기능
- 데이터를 Start 열과 End 열로 입력하며, 비어 있는 셀과 채워진 셀의 패턴으로 각 행의 중도절단 유형을 정합니다.
- 여섯 가지 분포: Weibull, Lognormal, Exponential, Normal, Logistic, Loglogistic.
- 설정한 신뢰수준의 표준오차와 신뢰구간이 있는 최대우도 추정값.
- 평균, 표준편차, 중앙값, 사분위수, 단위의 1%~99%가 고장 나는 시간.
- Weibull의 Weibayes 옵션: 과거 지식으로 형상 모수를 고정하고 척도 모수만 추정하며, 신뢰 한계와 선택한 시간에서의 신뢰도를 제공합니다.
- 적합선과 신뢰 한계가 있는 확률도.
통계적 방법
각 행은 Start와 End 값으로 판독합니다. Start = End는 정확한 고장, Start < End는 두 시간 사이의 구간 중도절단 고장, End가 비어 있으면 Start에서 우측 중도절단, Start가 비어 있으면 End에서 좌측 중도절단입니다. 중도절단 표는 각 유형의 개수를 셉니다. 분포는 최대우도로 적합합니다. 정확한 고장은 밀도 f(t), 우측 중도절단 단위는 1 − F(Start), 좌측 중도절단 단위는 F(End), 구간 중도절단 단위는 F(End) − F(Start)를 기여합니다. 표준오차는 추정값에서 로그 우도의 헤시안 역행렬로 구하고, 신뢰구간은 Confidence level에 대한 정규분포의 z(95%는 1.96)를 사용합니다. Minitab과 같이 양수여야 하는 모수(척도, 형상, 시그마, 비율)의 구간은 로그 척도에서 추정값 / exp(z × SE / 추정값)부터 추정값 × exp(z × SE / 추정값)까지로 구하여 양수를 유지하며 비대칭이 되고, 위치 모수 Mu는 추정값 ± z × SE를 사용합니다. 확률도는 Minitab이 그리는 방식대로 백분위수의 양측 신뢰 한계를 추가합니다. 각 백분율 p에 대해 백분위수 t_p와 그 분산을 같은 공분산 행렬로부터 델타 방법으로 구하고, 구간은 Weibull, Lognormal, Exponential, Loglogistic에서는 ln(t_p)로, Normal과 Logistic에서는 t_p로 구성합니다.
특성값과 백분위수는 적합한 분포로부터 계산합니다. p번째 백분위수는 단위의 p%가 고장 날 것으로 예상되는 시간이므로 10번째 백분위수가 B10 수명입니다. 적합도 표는 로그 우도를 제공하며, 모수의 수가 같은 분포끼리 비교할 수 있습니다(높을수록 좋음). Anderson-Darling 통계량은 정확한 고장이 두 개 이상일 때만 추가됩니다. 확률도는 선택한 분포가 직선이 되는 축에서 누적 고장 확률의 Turnbull 비모수 추정값을 적합선과 함께 보여 줍니다.
Weibull 적합에 Known shape (Weibayes)를 입력하면 형상 모수가 고정되고 척도 모수만 최대우도로 추정하며, 데이터에 좌측 또는 구간 중도절단 행이 있으면 우도비 신뢰 한계를, 정확한 고장과 우측 중도절단만 있으면 카이제곱(시간 종결형) 한계를 사용합니다. 고장이 매우 적거나 없어도 작동하며, 고장이 없을 때는 도구가 한 건의 고장이 곧 발생한다고 가정하는 고전적인 Weibayes 추정값도 보고합니다. Confidence interval과 신뢰도 시간 항목은 이 경우에만 사용하며, Confidence level은 두 경우 모두 사용합니다.
입력 항목 및 옵션
항목 | 설명 |
Start column | 필수 항목입니다. 마지막으로 정상임이 확인된 시간 또는 정확한 고장 시간입니다. 행을 좌측 중도절단으로 표시하려면 Start를 비워 둡니다. |
End column | 필수 항목입니다. 처음으로 고장이 확인된 시간 또는 정확한 고장 시간입니다. 행을 우측 중도절단으로 표시하려면 End를 비워 둡니다. Start = End는 정확한 고장, Start < End는 구간 중도절단을 뜻합니다. Start 열과 달라야 합니다. |
Assumed distribution | 필수 항목입니다. Weibull, Lognormal, Exponential, Normal, Logistic 또는 Loglogistic. |
Known shape (Weibayes) | Weibull에서 표시됩니다. 선택 항목: Weibull 형상 모수를 이 값으로 고정하고 척도 모수만 추정합니다. 둘 다 추정하려면 비워 둡니다. |
Confidence level | 기본값 95이며 50~99.99입니다. 모수 신뢰구간과 확률도 한계를 정하고, 형상 모수를 입력한 경우 Weibayes 한계도 정합니다. |
Confidence interval | Weibayes에만 해당합니다. Lower bound(기본값), Two-sided 또는 Upper bound. |
Estimate reliability at times | Weibayes에만 해당합니다. 선택 항목이며, 신뢰도를 한계와 함께 보고할 시간을 공백으로 구분하여 입력합니다(예: 500 1000). |

그림 1 — 예제 옵션: Start와 End 열의 검사 데이터, 형상 모수를 추정하는 Weibull 분포.
출력 설명
- Censoring table — 중도절단되지 않은 값, 좌측 중도절단, 구간 중도절단, 우측 중도절단 값의 개수와 추정 방법입니다.
- Parameter estimates — 각 모수의 추정값, 표준오차, 선택한 수준의 신뢰 한계입니다(Weibayes의 경우: 알려진 형상 모수와 한계가 있는 척도 모수).
- Goodness of fit — 로그 우도이며, 정확한 고장이 두 개 이상이면 Anderson-Darling도 표시됩니다.
- Characteristics — Mean, Standard deviation, Median, First quartile (Q1), Third quartile (Q3), Interquartile range (IQR)입니다.
- Percentiles — 단위의 1%, 2%, ..., 10%, 20%, ..., 90%, 91%, ..., 99%가 고장 나는 시간입니다.
- Reliability — Weibayes에만 해당하며, 입력한 시간에서의 값입니다.
- Probability plot — Turnbull 추정값, 적합선, 그 신뢰 한계(점선)입니다.
- Download를 통한 PDF 내보내기.

그림 2 — 10시간마다 점검한 권선 50개에 대한 Weibull 적합: 척도 73.3 h, 형상 2.17, 중앙값 61.9 h이며, 확률도와 95% 한계가 표시됩니다(백분위수 표는 표시하지 않음).
계산 예제
터빈 엔진 권선을 80 °C에서 시험하지만 30시간부터 10시간마다 검사할 때만 확인합니다. 이 예제는 그렇게 기록된 우측 중도절단 예제의 권선 50개를 사용합니다. 4개는 첫 검사에서 고장으로 발견되고(좌측 중도절단, End = 30), 33개는 이후 검사에서 고장으로 발견되며(구간 중도절단, 예: Start = 50, End = 60), 13개는 고장 나기 전에 제거됩니다(우측 중도절단, End 비어 있음). 엔지니어는 Start와 End를 Start 및 End 열로 선택하고 Assumed distribution = Weibull을 선택하며 Known shape는 비워 둡니다.
적합된 Weibull 분포의 척도 모수 Alpha = 73.26시간(95% 신뢰구간 63.15~84.99), 형상 모수 Beta = 2.173(95% 신뢰구간 1.637~2.883)이며, 이는 Minitab이 이 데이터에 대해 제공하는 값과 같습니다. 형상 모수의 구간 전체가 1보다 크므로 고장률은 사용 기간에 따라 증가합니다. 즉 마모 고장입니다. 평균 수명은 64.88시간, 중앙값은 61.89시간, 사분위수는 41.29시간과 85.15시간입니다. 백분위수 표에서 권선의 10%는 26.0시간(B10 수명)까지, 90%는 107.5시간까지 고장 날 것으로 예상됩니다. 이는 정확한 고장 시간으로 적합한 결과(척도 73.34시간, 형상 2.318)와 가까우므로 10시간 간격 검사는 여기서 정밀도를 거의 떨어뜨리지 않습니다. Confidence level 90에서는 신뢰구간이 척도 64.67~82.99시간, 형상 1.714~2.755로 좁아집니다.
로그 우도는 −99.01입니다. Lognormal(−95.93)과 Loglogistic(−95.51)은 모수의 수가 같으면서 로그 우도가 더 높으므로 이 그룹화된 데이터에 약간 더 잘 적합합니다. 이들의 중앙값은 59.6시간과 58.5시간이고 B10 수명은 31.1시간과 30.4시간으로, Weibull의 26.0시간과 비교됩니다. Weibull은 초기 수명에 대해 더 보수적인 값을 주므로, 보증 수치를 확정하기 전에 둘 이상의 분포로 낮은 백분위수를 확인하십시오. Known shape (Weibayes) = 2이면 척도는 73.37시간이고 95% 하한은 64.45시간이며, Estimate reliability at times에 40을 입력하면 40시간에서의 신뢰도는 0.743이고 95% 하한은 0.680입니다.
자주 묻는 질문
임의 중도절단이 있는 모수적 분포 분석이란 무엇입니까?
정확한 고장 시간을 모르는 경우가 많은 고장 데이터에 수명 분포를 적합합니다. 검사에서 고장으로 발견된 구간 중도절단 단위, 첫 점검 시점에 이미 고장 난 좌측 중도절단 단위, 마지막으로 확인했을 때 아직 작동 중이던 우측 중도절단 단위, 그리고 정확한 고장이 섞여 있어도 분석합니다. 모수, 평균, 중앙값, 사분위수, 전체 백분위수 표를 보고합니다.
모수적 분포 분석에서 B10 수명은 어떻게 구합니까?
p번째 백분위수는 단위의 p%가 고장 날 것으로 예상되는 시간이므로, 백분위수 표의 10번째 백분위수가 B10 수명입니다. 초기 백분위수는 분포에 따라 다를 수 있으므로, 보증 수치를 확정하기 전에 둘 이상의 분포로 낮은 백분위수를 확인하십시오.
임의 중도절단 데이터에서 분포는 어떻게 선택합니까?
모수의 수가 같은 분포끼리 적합도 표의 로그 우도를 비교하며, 값이 높을수록 더 잘 적합합니다. Anderson-Darling 통계량은 정확한 고장이 두 개 이상일 때만 추가됩니다. 확률도는 적합선에 대한 Turnbull 추정값도 보여 줍니다.
Weibayes 분석이란 무엇입니까?
Weibull 분포에서 알려진 형상 모수를 입력하면 과거 지식으로 형상 모수를 고정하고 척도 모수만 최대우도로 추정하며, 신뢰 한계와 선택한 시간에서의 신뢰도를 선택적으로 제공합니다. 고장이 매우 적거나 없어도 작동하며, 고장이 없을 때는 한 건의 고장이 곧 발생한다고 가정하는 고전적인 Weibayes 추정값도 보고합니다.
